@xiping/subtitle 1.0.45 → 1.0.50

package/README.md

@@ -11,6 +11,7 @@
 - 🎯 简单易用的API
 - 🔄 支持SRT和WebVTT互相转换
 - 📄 支持转换为JSON格式
+- 🌐 支持中英文分词（中文使用jieba-wasm，英文使用compromise）
 
 ## 安装
 
@@ -92,16 +93,24 @@ const isVttValid = validateVTT(vttContent);
 ### JSON转换
 
 ```typescript
-import { srtToJson, vttToJson } from '@xiping/subtitle';
+import { srtToJson, vttToJson, SubtitleLanguage } from '@xiping/subtitle';
 
-// SRT转JSON
+// SRT转JSON（中文，使用jieba-wasm分词）
 const srtContent = `1
 00:00:00,000 --> 00:00:04,000
-字幕内容`;
+中华人民共和国`;
 
-const jsonContent = srtToJson(srtContent);
+const jsonContent = await srtToJson(srtContent, 'zh');
 console.log(jsonContent);
-// 输出: [{"index":1,"startTime":"00:00:00,000","endTime":"00:00:04,000","text":"字幕内容"}]
+// 输出包含分词结果: [{"index":1,"startTime":"00:00:00,000","endTime":"00:00:04,000","text":"中华人民共和国","words":["中华人民共和国",...]}]
+
+// SRT转JSON（英文，使用compromise分词）
+const englishSrt = `1
+00:00:00,000 --> 00:00:04,000
+Hello world, this is a test.`;
+
+const englishJson = await srtToJson(englishSrt, 'en');
+// 输出包含英文分词结果
 
 // WebVTT转JSON
 const vttContent = `WEBVTT
@@ -109,7 +118,7 @@ const vttContent = `WEBVTT
 00:00:00.000 --> 00:00:04.000
 字幕内容`;
 
-const vttJson = vttToJson(vttContent);
+const vttJson = await vttToJson(vttContent, 'zh');
 ```
 
 ### 文件操作示例
@@ -125,8 +134,8 @@ const srtContent = fs.readFileSync('subtitle.srt', 'utf-8');
 const webvttContent = srtToVtt(srtContent);
 fs.writeFileSync('subtitle.vtt', webvttContent, 'utf-8');
 
-// 转换为JSON
-const jsonContent = srtToJson(srtContent);
+// 转换为JSON（需要指定语言类型）
+const jsonContent = await srtToJson(srtContent, 'zh');
 fs.writeFileSync('subtitle.json', jsonContent, 'utf-8');
 ```
 
@@ -192,25 +201,33 @@ fs.writeFileSync('subtitle.json', jsonContent, 'utf-8');
 **返回值:**
 - 是否为有效的WebVTT格式
 
-### `srtToJson(srtContent: string): string`
+### `srtToJson(srtContent: string, language?: SubtitleLanguage): Promise<string>`
 
-将SRT字幕转换为JSON格式字符串。
+将SRT字幕转换为JSON格式字符串，并自动进行分词处理。
 
 **参数:**
 - `srtContent` - SRT格式的字幕内容
+- `language` - 字幕语言类型，可选值：`'zh'`（中文，默认）或 `'en'`（英文）
 
 **返回值:**
-- JSON格式字符串（格式化，缩进2空格）
+- Promise，解析为JSON格式字符串（格式化，缩进2空格）
+- JSON中包含 `words` 字段，为分词后的单词数组
+  - 中文使用 `jieba-wasm` 进行分词
+  - 英文使用 `compromise` 进行分词
 
-### `vttToJson(vttContent: string): string`
+### `vttToJson(vttContent: string, language?: SubtitleLanguage): Promise<string>`
 
-将WebVTT字幕转换为JSON格式字符串。
+将WebVTT字幕转换为JSON格式字符串，并自动进行分词处理。
 
 **参数:**
 - `vttContent` - WebVTT格式的字幕内容
+- `language` - 字幕语言类型，可选值：`'zh'`（中文，默认）或 `'en'`（英文）
 
 **返回值:**
-- JSON格式字符串（格式化，缩进2空格）
+- Promise，解析为JSON格式字符串（格式化，缩进2空格）
+- JSON中包含 `words` 字段，为分词后的单词数组
+  - 中文使用 `jieba-wasm` 进行分词
+  - 英文使用 `compromise` 进行分词
 
 ### `convertTimeFormat(srtTime: string): string`
 
@@ -225,11 +242,15 @@ fs.writeFileSync('subtitle.json', jsonContent, 'utf-8');
 ## 类型定义
 
 ```typescript
+// 字幕语言类型
+type SubtitleLanguage = 'zh' | 'en';
+
 interface SubtitleEntry {
   index: number;      // 字幕序号
   startTime: string;  // 开始时间
   endTime: string;    // 结束时间
   text: string;       // 字幕文本
+  words?: string[];   // 分词后的单词数组（可选，仅在转换为JSON时生成）
 }
 ```
 

package/lib/index.d.ts

@@ -12,7 +12,7 @@
  * 00:00:00.000 --> 00:00:04.000
  * 字幕内容
  */
-export type { SubtitleEntry } from "./src/types.js";
+export type { SubtitleEntry, SubtitleLanguage } from "./src/types.js";
 export { parseSRT, parseVTT, validateSRT, validateVTT } from "./src/parser.js";
 export { convertTimeFormat, generateWebVTT, srtToVtt, } from "./src/converter.js";
 export { srtToJson, vttToJson } from "./src/json-converter.js";

package/lib/src/converter.d.ts

@@ -1,4 +1,4 @@
-import type { SubtitleEntry } from './types.js';
+import type { SubtitleEntry } from "./types.js";
 /**
  * 将SRT时间格式转换为WebVTT时间格式
  * @param srtTime SRT时间格式 (HH:MM:SS,mmm)

package/lib/src/converter.js

@@ -1,11 +1,11 @@
-import { parseSRT } from './parser.js';
+import { parseSRT } from "./parser.js";
 /**
  * 将SRT时间格式转换为WebVTT时间格式
  * @param srtTime SRT时间格式 (HH:MM:SS,mmm)
  * @returns WebVTT时间格式 (HH:MM:SS.mmm)
  */
 export function convertTimeFormat(srtTime) {
-    return srtTime.replace(',', '.');
+    return srtTime.replace(",", ".");
 }
 /**
  * 将字幕条目数组转换为WebVTT格式
@@ -13,7 +13,7 @@ export function convertTimeFormat(srtTime) {
  * @returns WebVTT格式字符串
  */
 export function generateWebVTT(entries) {
-    let webvtt = 'WEBVTT\n\n';
+    let webvtt = "WEBVTT\n\n";
     for (const entry of entries) {
         const startTime = convertTimeFormat(entry.startTime);
         const endTime = convertTimeFormat(entry.endTime);

package/lib/src/json-converter.d.ts

@@ -1,12 +1,15 @@
+import type { SubtitleLanguage } from './types.js';
 /**
  * 将SRT字幕转换为JSON格式
  * @param srtContent SRT文件内容
+ * @param language 字幕语言类型，默认为中文
  * @returns JSON格式字符串
  */
-export declare function srtToJson(srtContent: string): string;
+export declare function srtToJson(srtContent: string, language?: SubtitleLanguage): Promise<string>;
 /**
  * 将WebVTT字幕转换为JSON格式
  * @param vttContent WebVTT文件内容
+ * @param language 字幕语言类型，默认为中文
  * @returns JSON格式字符串
  */
-export declare function vttToJson(vttContent: string): string;
+export declare function vttToJson(vttContent: string, language?: SubtitleLanguage): Promise<string>;

package/lib/src/json-converter.js

@@ -1,19 +1,61 @@
 import { parseSRT, parseVTT } from './parser.js';
+import { cut } from 'jieba-wasm';
+import nlp from 'compromise';
+/**
+ * 对文本进行分词
+ * @param text 待分词的文本
+ * @param language 语言类型
+ * @returns 分词后的单词数组
+ */
+async function tokenizeText(text, language) {
+    if (!text || text.trim().length === 0) {
+        return [];
+    }
+    if (language === 'zh') {
+        // 使用 jieba-wasm 进行中文分词
+        return cut(text, true);
+    }
+    else if (language === 'en') {
+        // 使用 compromise 进行英文分词
+        const doc = nlp(text);
+        return doc.terms().out('array');
+    }
+    return [];
+}
+/**
+ * 对字幕条目进行分词处理
+ * @param entries 字幕条目数组
+ * @param language 语言类型
+ * @returns 添加了分词信息的字幕条目数组
+ */
+async function addTokenization(entries, language) {
+    return Promise.all(entries.map(async (entry) => {
+        const words = await tokenizeText(entry.text, language);
+        return {
+            ...entry,
+            words,
+        };
+    }));
+}
 /**
  * 将SRT字幕转换为JSON格式
  * @param srtContent SRT文件内容
+ * @param language 字幕语言类型，默认为中文
  * @returns JSON格式字符串
  */
-export function srtToJson(srtContent) {
+export async function srtToJson(srtContent, language = 'zh') {
     const entries = parseSRT(srtContent);
-    return JSON.stringify(entries, null, 2);
+    const entriesWithWords = await addTokenization(entries, language);
+    return JSON.stringify(entriesWithWords, null, 2);
 }
 /**
  * 将WebVTT字幕转换为JSON格式
  * @param vttContent WebVTT文件内容
+ * @param language 字幕语言类型，默认为中文
  * @returns JSON格式字符串
  */
-export function vttToJson(vttContent) {
+export async function vttToJson(vttContent, language = 'zh') {
     const entries = parseVTT(vttContent);
-    return JSON.stringify(entries, null, 2);
+    const entriesWithWords = await addTokenization(entries, language);
+    return JSON.stringify(entriesWithWords, null, 2);
 }

package/lib/src/types.d.ts

@@ -1,3 +1,7 @@
+/**
+ * 字幕语言类型
+ */
+export type SubtitleLanguage = 'zh' | 'en';
 /**
  * 字幕条目接口
  */
@@ -6,4 +10,5 @@ export interface SubtitleEntry {
     startTime: string;
     endTime: string;
     text: string;
+    words?: string[];
 }

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@xiping/subtitle",
-  "version": "1.0.45",
+  "version": "1.0.50",
   "description": "字幕文件处理工具，支持SRT和WebVTT格式的解析、转换和验证",
   "type": "module",
   "author": "The-End-Hero <527409987@qq.com>",
@@ -18,15 +18,19 @@
     "test": "node --experimental-vm-modules node_modules/jest/bin/jest.js",
     "build": "tsc"
   },
-  "gitHead": "044508149840d2ba1b5f896ded9b3906f5866abb",
+  "gitHead": "35571812778b756cd83d9d21fc4b0b3f3a1926e3",
   "publishConfig": {
     "access": "public",
     "registry": "https://registry.npmjs.org/"
   },
   "devDependencies": {
     "@types/jest": "^30.0.0",
-    "jest": "^30.1.3",
-    "ts-jest": "^29.4.4",
-    "typescript": "^5.7.3"
+    "jest": "^30.2.0",
+    "ts-jest": "^29.4.6",
+    "typescript": "^5.9.3"
+  },
+  "dependencies": {
+    "compromise": "^14.14.5",
+    "jieba-wasm": "^2.4.0"
   }
 }